【新书册】贝叶斯神经网络,41页pdf

2020 年 6 月 3 日 专知

【导读】45页pdf论述最新贝叶斯神经网络发展。

近年来,神经网络已成为分析复杂和抽象数据模型的有力工具。然而,它们的引入本质上增加了我们的不确定性,即分析的哪些特征是与模型相关的,哪些是由神经网络造成的。这意味着,神经网络的预测存在偏差,无法与数据的创建和观察的真实本质区分开来。为了尝试解决这些问题,我们讨论了贝叶斯神经网络:可以描述由网络引起的不确定性的神经网络。特别地,我们提出了贝叶斯统计框架,它允许我们根据观察某些数据的根深蒂固的随机性和我们缺乏关于如何创建和观察数据的知识的不确定性来对不确定性进行分类。在介绍这些技术时,我们展示了如何从原理上获得神经网络预测中的误差,并提供了描述这些误差的两种常用方法。我们还将描述这两种方法在实际应用时如何存在重大缺陷,并强调在使用神经网络时需要其他统计技术来真正进行推理。



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“BNN41” 可以获取《贝叶斯神经网络,41页pdf》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
27

相关内容

最新《多任务学习》综述,39页pdf
专知会员服务
263+阅读 · 2020年7月10日
【经典书】机器学习:贝叶斯和优化方法,1075页pdf
专知会员服务
401+阅读 · 2020年6月8日
专知会员服务
171+阅读 · 2020年6月4日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
195+阅读 · 2020年5月2日
零样本图像识别综述论文
专知
21+阅读 · 2020年4月4日
多模态深度学习综述,18页pdf
专知
47+阅读 · 2020年3月29日
经典书《斯坦福大学-多智能体系统》532页pdf
【初学者指南】神经网络中的数学
专知
31+阅读 · 2019年12月16日
贝叶斯神经网络(系列)第一篇
AI研习社
14+阅读 · 2019年3月1日
Area Attention
Arxiv
5+阅读 · 2019年5月23日
q-Space Novelty Detection with Variational Autoencoders
Arxiv
3+阅读 · 2018年10月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
3+阅读 · 2018年1月10日
VIP会员
相关VIP内容
相关论文
Area Attention
Arxiv
5+阅读 · 2019年5月23日
q-Space Novelty Detection with Variational Autoencoders
Arxiv
3+阅读 · 2018年10月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
3+阅读 · 2018年1月10日
Top
微信扫码咨询专知VIP会员